Agenti IA Rogue e DeFi: la minaccia da 1,1 miliardi di dollari per i sistemi crypto

Sfruttamento MEV e amplificazione tramite flash loan

Gli agenti autonomi che eseguono arbitraggio possono essere "sandwichati" o anticipati da bot MEV avversari. Gli attacchi facilitati da flash loan hanno prosciugato 2,4 miliardi di dollari dai protocolli DeFi nel 2026 — un aumento del 340% su base annua — mentre bot ottimizzati dall'IA hanno trasformato i percorsi di arbitraggio in armi .

Gestione autonoma delle chiavi senza controllo umano

Gli agenti che detengono chiavi private, interpretano dati di mercato e inviano transazioni in modo autonomo creano una nuova classe di rischio contrattuale. Un protocollo può essere perfettamente auditato a livello Solidity e perdere comunque fondi perché l'attore privilegiato è un modello linguistico manipolabile con del testo .

Scoperta di vulnerabilità assistita dall'IA alla velocità degli hacker

I modelli di IA (ad esempio, Claude Opus 4.8 di Anthropic) hanno permesso sia a ricercatori di sicurezza che ad aggressori di scoprire vulnerabilità critiche più rapidamente. Shielded Labs ha trovato un bug nel pool Orchard di Zcash, presente dal maggio 2022, utilizzando un agente IA . I gruppi di hacker nordcoreani — responsabili del 66% di tutte le perdite da hack crypto (643 milioni di dollari) nel primo semestre 2026 — stanno usando sempre più l'IA per automatizzare la scoperta di exploit .

Compromissione della supply chain e del frontend

Una vulnerabilità critica (CVSS 10.0) nei React Server Components (CVE-2025-55182) ha permesso agli attaccanti di ottenere l'esecuzione remota di codice sui server frontend delle DApp, che fungono da proxy firmatari per agenti IA locali, intercettando le chiavi di sessione .

Incidenti reali

Le proiezioni annuali delle perdite per gli exploit di smart contract guidati dall'IA vanno da 10 a 20 miliardi di dollari entro il 2027 se le tendenze attuali continuano .

Framework normativi e controlli tecnici

Quadri normativi

• MAS Singapore — Nell'agosto 2026, l'Autorità Monetaria di Singapore ha confermato che l'IA agentica è coperta dalle sue regole bancarie vincolanti e dalle prossime Linee guida sulla gestione del rischio IA (consultazione lanciata nel novembre 2025). MAS sta anche costruendo infrastrutture pratiche attraverso il Progetto MindForge .

• Tesoro USA — FS AI RMF — Il Financial Services AI Risk Management Framework (febbraio 2026) fornisce una struttura di governance basata sul rischio specificamente per l'IA nel settore bancario e finanziario .

• EU AI Act + MiCA — Ad agosto 2026, non esiste una guida unica e definitiva per la conformità degli agenti IA nell'UE. Le organizzazioni devono sintetizzare i requisiti dell'AI Act europeo e del regolamento Markets in Crypto-Assets .

• IMDA Singapore — Modello di governance IA per l'IA agentica — Pubblicato nell'agosto 2026, richiede una valutazione del rischio iniziale, controlli tecnici lungo l'intero ciclo di vita dell'agente e una supervisione umana proporzionale al livello di autonomia .

• Cloud Security Alliance — Livelli di autonomia e quadro di controllo — Cinque principi chiave: l'autonomia deve essere esplicitamente giustificata, una maggiore autonomia richiede controlli più forti, supervisione umana proporzionale al rischio, monitoraggio continuo e chiara responsabilità .

Controlli tecnici raccomandati

• Motore di policy deterministico per la validazione delle azioni. Tratta tutti i contenuti forniti dall'utente e recuperati come non affidabili. Valida ogni azione proposta dell'agente rispetto a un motore di policy deterministico — la sola sanificazione dell'input non può rimuovere le istruzioni avversarie .

• Gates di approvazione human-in-the-loop per qualsiasi azione di alto valore o ad alto rischio prima dell'esecuzione .

• Segregazione dei compiti, soglie di approvazione e revisioni degli accessi — applica gli stessi principi di controllo finanziario utilizzati per gli operatori umani (ad esempio, doppia autorizzazione per trasferimenti importanti) agli agenti IA .

• Filtraggio dei contenuti e monitoraggio dell'output per prompt avversari e modelli di comportamento anomali .

• Gating del livello di autonomia — agli agenti non dovrebbe essere concessa la massima autonomia per impostazione predefinita; autonomia inferiore con percorsi di escalation espliciti per azioni di alto valore .

• Auditing specifico per agente e applicazione di invarianti — oltre ai normali audit degli smart contract, gli agenti necessitano di monitor runtime che controllino le azioni rispetto a invarianti predefinite e interruttori automatici .

• Sanificazione dell'input sensibile al contesto e isolamento della memoria — previene l'iniezione di prompt tramite feed di dati esterni o moduli di memoria dell'agente .

• Architettura di governance a quattro livelli (proposta nella ricerca accademica): moduli di autoregolamentazione accanto a ciascun modello, governance interna del modello, supervisione centralizzata e reporting normativo esterno .